识别和预测牧场奶牛的热应激事件,使用体温度球体

科学领域:

• 动物科学动物科学
• 农业气象 农业气象学
• 机器学习在农业中的应用

背景情况:

• 乳牛的热应激会导致显著的生理和行为变化,影响福利和生产力.
• 由于太阳辐射和风等因素,现有的热应激指数对基于牧场的系统有局限性.
• 准确预测热应激事件对于及时实施缓解策略至关重要.

研究的目的:

• 开发和评估基于牧场的乳制品系统中热应激事件的预测模型.
• 通过使用动物和气候数据来确定预测热应激的最有效的建模方法.

主要方法:

• 新西兰三家农场的443头奶牛的体温度数据使用智能螺栓收集.
• 热应激事件是根据体温度超过个人平均值的三个标准偏差而确定的.
• 机器学习 (立方体) 和线性回归模型使用气象站数据和定义的热应激率进行了比较.

主要成果:

• 线性回归模型在预测热应激事件方面显示精度有限 (9%-27%).
• 立方体机器学习算法表现出卓越的性能,预测了79%的事件,精度为52%.
• 这项研究强调了利用气候和动物数据来预测热应激的潜力.

结论:

• 机器学习,特别是立方体算法,为预测牧场养奶牛的热应激提供了一个有希望的方法.
• 这种预测能力可以支持自动报警和积极管理奶牛养殖中热应激.
• 进一步的研究应该通过独立数据验证模型,并纳入额外的动物特异变量.